

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、心電圖(Electrocardiogram,ECG)從19世紀被應用于臨床醫(yī)學以來,一直在疾病診斷過程中扮演著重要角色。通過對前人研究的總結和分析,可以發(fā)現心電信號處理算法非常的豐富,但很少有涉及到針對異源心電數據庫問題的研究。然而現實的應用往往針對異源數據庫,所以異源數據庫的研究是非常有必要和價值的。另外,神經網絡被廣泛應用于心電識別領域,尤其是BP神經網絡。但通過深入研究和大量實驗發(fā)現,當樣本容量逐漸增大相應測試樣本的容量也隨之增大
2、時,基于BPNN的分類中,測試樣本輸出結果的區(qū)分度會越來越小。這必然導致很多樣本被錯誤的歸類,所以解決BP神經網絡的這一缺陷也是非常有必要的。
針對上面出現的這兩個問題,本文提出了解決異源數據庫應用障礙的預處理方法和基于BP神經網絡的多階分類算法。通過對心電圖診斷過程的充分調研,提出了去噪及采樣頻率轉換的預處理方法。結合三個異源心電數據庫,進行了異源數據庫處理并通過熵值、標準差、峰度和偏度四個相似度指標對處理前后三個數據庫信號
3、的相似度做了對比。實驗表明,提出的預處理方案具有較好的效果。另外,結合MIT-BIH心率失常數據庫和PTB心電數據庫,進行了異源數據庫間的疾病診斷實驗,實驗表明本文提出的預處理方案可以解決異源數據庫之間疾病診斷問題。為了解決BP神經網絡分類區(qū)分度變小的問題,在對BP神經網絡深入研究之后,本文通過增加多個假測試集進行多階網絡訓練。得到多個訓練網絡,最后應用訓練得到的多個網絡對測試集進行分類,這樣便解決了區(qū)分度下降的問題。然后針對MIT-B
4、IH心率失常數據庫中5類心搏進行了分類實驗,結合波形特征提取方式識別率可以達到96.8%,比常規(guī)的BP神經網絡算法識別率高出5%左右。另外,本文還利用SVM算法結合小波特征和波形特征以及調研中的較好文獻方法,進行了分類實驗,實驗對比均顯示本文提出的基于BP神經網絡的多階分類算法效果要好于其他方法。
在完成前面研究工作之后,以此作為基礎,本課題實現了基于心電圖的心率失常診斷系統(tǒng)。診斷系統(tǒng)以普遍的Android智能手機作為客戶端載
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于心電數據庫的房顫自主神經調控研究.pdf
- 多源異構數據庫的集成及數據挖掘中關聯(lián)規(guī)則算法的研究.pdf
- 基于盲源分離的多重音頻數據庫水印算法研究.pdf
- 基于圖像的數據庫水印算法研究.pdf
- 基于臨床心電圖標準數據庫的心電圖儀性能分析系統(tǒng).pdf
- 基于Web數據庫的數據庫挖掘技術.pdf
- 基于遺傳算法的數據庫水印研究.pdf
- 基于內容的Flash數據庫檢索算法研究.pdf
- 數據庫模式匹配算法研究.pdf
- 數據庫哈希連接算法研究.pdf
- 面向異源數據的機器學習算法研究.pdf
- 基于商業(yè)數據庫的實時數據庫開發(fā)研究.pdf
- 數據庫中的關聯(lián)規(guī)則及挖掘算法研究.pdf
- 基于視頻信息的數據庫水印算法的研究.pdf
- 數據庫模式匹配算法的研究.pdf
- 基于Mobile Agent的移動數據庫緩存算法研究.pdf
- 基于日志分析的MySQL數據庫取證算法研究.pdf
- 基于音頻信息的數據庫水印算法研究.pdf
- 基于混沌變換的數據庫零水印算法研究.pdf
- 基于公共數據庫數據的心電圖間期序列符號動力學分析.pdf
評論
0/150
提交評論